编程智能体与代码 · 工具介绍
Inspect AI
组织语言模型评估，支持工具使用、多轮对话与模型评分，并提供预设评估任务。
Inspect AI 能做什么
组织语言模型评估，支持工具使用、多轮对话与模型评分，并提供预设评估任务。
- 语言模型与智能体质量评估及回归检查
如何使用 Inspect AI
执行多轮模型评估
准备输入
- 待测模型
- 评估任务与样本
- 评分规则
操作步骤
- 选择现有评估任务或编写任务，明确模型、工具、对话过程和评分方式。
- 运行评估，让模型按设定完成单轮或多轮任务。
- 查看逐条轨迹与评分，区分任务失败、工具错误和评分标准问题。
预期交付物
- 评估记录
- 任务评分
检查样本与评分规则，人工复核关键错误。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从编程智能体与代码角度评估Inspect AI
把编程智能体与代码需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
能否读懂上下文
确认工具能够读取所需目录，且不会引入不必要的资料。
改动是否可审查
优先能展示差异、保留原文件和逐步验证的工作方式。
测试能否说明问题
测试应覆盖用户可见行为，不只证明代码能运行。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
